没有合适的资源?快使用搜索试试~ 我知道了~
首页零基础python代码策略模型实战(中信建投证券)
资源详情
资源评论
资源推荐
C H I N A S E C U R I T I E S R E S E A R C H
HTTP://RESEARCH.CSC.COM.CN
请参阅最后一页的重要声明
[table_main]
金融工程专题报告模板
证券研究报告·金融工程深度报告
零基础 python 代码策略模型实战:
——大数据人工智能研究之七
重要观点
本文概述
本文主要介绍了 python 基础、爬虫、与数据库交互、调用机器学
习、深度学习、NLP 等。分别介绍了各个模块的安装,环境的搭
建等。并且以机器学习选股为例,把各个模块连贯起来,核心代
码基本都有详尽的解释。
大数据 AI 时代,python 无往不胜
Python 的包装能力、可组合性、可嵌入性都很好,可以把各种复
杂性包装在 Python 模块里,非常友好的供调用。Python 资源丰富,
深度学习如 keras,机器学习如 sk-learn,科学计算如 numpy、
pandas,自然语言处理如 jieba 等。
Python 将极大提高工作效率
无论是科学计算,还是图形界面显示;无论是机器学习还是深度
学习;无论是操作 excel,txt 等还是连接数据库;无论是搭建网站
还是爬虫;无论是自然语言处理还是打包成 exe 执行文件,python
都能快速完成。以最少的代码,最高效的完成。
人人可编写人工智能模型
人工智能给人感觉难于入手,重要原因是机器学习、深度学习、
自然语言处理等门槛太高;python 则以最简洁的方式,让你快速
使用人工智能相关算法。本文以实战为目的,对模块的安装,搭
建环境,核心代码等进行了详细的介绍。
人工智能选股模型策略
以传统因子滚动 12 个月值为特征值,个股下一期按收益大小排
序,排名前 30%作为强势股,排名靠后 30%作为弱势股。用机器
学习算法进行训练预测。用当期因子作为输入,预测未来一个月
个股相对走势的强弱。根据个股的相对强势,我们把排名靠前
20%的作为多头,排名后 20%的作为空头进行了研究,样本外
20090105 到 20171130 期间,行业中性等权年化多空收益差为
16.45%,年化波动率为 7.34%,最大回撤为 10.84%。
金融工程研究
[table_invest]
丁鲁明
dingluming@csc.com.cn
021-68821623
执业证书编号:S1440515020001
研究助理:喻银尤
yuyinyou@csc.com.cn
021-68821600-808
发布日期:
2018 年 03 月 08 日
市场表现
[table_indextrend]
相关研究报告
[table_report]
18.02.02
大数据人工智能研究之六:机器学习因
子有效性分析
17.10.18
大数据研究之五:大数据、机器学习、
深度学习在投资领域应用的方法论概述
17.08.16
大数据研究之四:基于新闻热度的周期、
成长、消费风格轮动配置
17.03.08
大数据研究之三:新闻情绪选股的多空
差策略
17.03.02
大数据研究之指标构建:机器学习之贝
叶斯文本分类算法的实现
16.10.12
大数据研究体系之择时篇:基于新闻热
度的多空策略
1
HTTP://RESEARCH.CSC.COM.CN
金融工程研究
金融工程专题报告
请参阅最后一页的重要声明
目录
一、Python 介绍 ....................................................................................................................................................... 4
1.1 Anaconda(Python IDE)的安装 ................................................................................................................ 4
1.2 Python 基础知识简介 ............................................................................................................................... 5
二、Python 的科学计算库 ....................................................................................................................................... 7
2.1 Numpy 库 ..................................................................................................................................................... 7
2.2 Pandas 库 ................................................................................................................................................... 7
2.3 Scipy 库 ..................................................................................................................................................... 9
2.4 Matplotlib 库 ......................................................................................................................................... 10
三、Python 的爬虫相关库 ......................................................................................................................................11
3.1 Scrapy 库 ................................................................................................................................................. 12
3.2 BeautifulSoup 库 ................................................................................................................................... 13
3.3 Pyquery 库 ............................................................................................................................................... 14
四、Python 的数据交互 ......................................................................................................................................... 14
4.1 Python 与数据库的交互 ......................................................................................................................... 14
4.2 Python 与 csv、excel 和 txt 文件的交互 ............................................................................................ 15
4.3 Python 与 Wind 客户端的交互 .............................................................................................................. 17
五、Python 自然语言的处理 ................................................................................................................................. 17
5.1 jieba 库 ................................................................................................................................................... 17
六、Python 与机器学习 ......................................................................................................................................... 19
6.1 Scikit-learn 库 ..................................................................................................................................... 19
6.2 分类算法,以朴素 Bayes 为例 .............................................................................................................. 20
6.3 回归算法:以 Logistic 为例 ............................................................................................................... 21
6.4 聚类算法:以 k-means 为例 ................................................................................................................. 22
七、Python 与深度学习 ......................................................................................................................................... 23
7.1 Keras 框架 ............................................................................................................................................... 23
7.2 长短期记忆网络 ...................................................................................................................................... 24
7.3 卷积神经网络 .......................................................................................................................................... 26
八、人工智能因子打分策略 ................................................................................................................................. 27
8.1 策略代码实战 ......................................................................................................................................... 27
8.2 策略结果(以 Logistic 为例) ............................................................................................................... 31
九、Python 股票策略打包成 Exe 文件 ................................................................................................................. 32
9.1 运用 pyinstaller 打包成 exe .............................................................................................................. 32
十、模型代码编写建议 ......................................................................................................................................... 32
2
HTTP://RESEARCH.CSC.COM.CN
金融工程研究
金融工程专题报告
请参阅最后一页的重要声明
图目录
图 1:Anaconda 界面介绍 ............................................................................................................................... 4
图 2:Matplotlib 库示例图 .............................................................................................................................11
图 3:简单爬虫流程图 .................................................................................................................................. 12
图 4:csv、excel 数据示例 ............................................................................................................................ 16
图 5:txt 数据示例 ......................................................................................................................................... 16
图 6:LSTM 神经元结构 ............................................................................................................................... 25
图 7:人工智能选股多空收益差策略净值 .................................................................................................. 31
3
HTTP://RESEARCH.CSC.COM.CN
金融工程研究
金融工程专题报告
请参阅最后一页的重要声明
表目录
表 1:Python 数据类型 .................................................................................................................................... 5
表 2:Python 函数语法 .................................................................................................................................... 5
表 3:Python 函数举例 .................................................................................................................................... 6
表 4:Python lambda 表达式举例 ................................................................................................................... 6
表 5:Python math 模块举例 ........................................................................................................................... 6
表 6:Python numpy 库函数举例 .................................................................................................................... 7
表 7:Python pandas 库函数举例 .................................................................................................................... 9
表 8:Python Scipy 库函数举例 .................................................................................................................... 10
表 9:Python Matplotlib 库示例 .................................................................................................................... 10
表 10:Python Scrapy 库爬虫举例 ................................................................................................................ 13
表 11:BeautifulSoup 库操作步骤 ................................................................................................................ 13
表 12:BeautifulSoup 爬虫案例 .................................................................................................................... 13
表 13:pyquery 爬虫案例 .............................................................................................................................. 14
表 14:Python 与 MySQL 的交互操作条目 ................................................................................................. 15
表 15:Python 与 SQL Server 的交互操作条目 ........................................................................................... 15
表 16:Python 与 csv、excel 的交互 ............................................................................................................ 16
表 17:Python 与 txt 的交互 .......................................................................................................................... 17
表 18:Python 与 windPy 的交互 .................................................................................................................. 17
表 19:Python jieba 库常见的操作 ............................................................................................................... 18
表 20:sklearn 库示例(以线性回归为例子) ................................................................................................. 20
表 21:朴素 Bayes 算法 sklearn 库实现 ....................................................................................................... 21
表 22:Logistic 回归算法 sklearn 库实现 ..................................................................................................... 22
表 23:kmeans 算法 sklearn 库实现 .............................................................................................................. 23
表 24:LSTM 示例 ......................................................................................................................................... 26
表 25:卷积神经网络代码示例 .................................................................................................................... 27
表 26:提取数据库核心代码 ........................................................................................................................ 28
表 27:数据预处理核心代码 ........................................................................................................................ 29
表 28:机器学习模块(以 knn 为例) ........................................................................................................ 30
表 29:计算 IC 核心代码 .............................................................................................................................. 30
表 30:结果入库核心代码 ............................................................................................................................ 31
4
HTTP://RESEARCH.CSC.COM.CN
金融工程研究
金融工程专题报告
请参阅最后一页的重要声明
一、Python 介绍
Python 是一种面向对象的解释型计算机程序设计语言,由荷兰人 Guido van Rossum 于 1989 年发明。有以
下优点简单、易学、免费开源、可移植性、解释性强;缺点为单行语句输出、同 C++和 Matlab 比运行速度较慢。
Python 有较为强大的标准库和模块,方便用户进行调用:如科学计算的 Numpy、Pandas、Scipy 库;如机器学
习和深度学习的 Scikit-learn、Keras 库;如爬虫的 Pyquery、BeautifulSoup、Scrapy 库。Python 的应用领域较为
广泛包括 Web 开发、人工智能、云计算、网络爬虫,游戏开发等。
1.1 Anaconda(Python IDE)的安装
Python 的集成开发环境(IDE)有很多,如 Pycharm、Anaconda、eclipse。其中 Anaconda 是用于科学计算较好
的 IDE,支持多种操作系统如 windows、Mac、Linux 等。Anaconda 有如下优势:使用方便,可以自由转化成
Matlab、R 等相关类似界面,非常友好;自带安装了一些计算标准库和模块,可以直接调用而且具有强大的库
管理器。
下载以及安装 anaconda 可以从以下资源中获取:
•anaconda 官方网站:https://www.anaconda.com/download/#macos。
下载安装完成后,打开 Spyder 图标,可以看到如下图的界面:其中①为编辑栏菜单,可以进行 run 等各项
操作;②为脚本编辑框,即在里面编写代码;③为变量观察框,可以单独查看变量的情况;④为结果控制窗口,
可以看到运行结果,也可以在其中执行语句。
图 1:Anaconda 界面介绍
数据来源:中信建投证券研究发展部
剩余35页未读,继续阅读
ORATOR
- 粉丝: 2
- 资源: 14
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- ExcelVBA中的Range和Cells用法说明.pdf
- 基于单片机的电梯控制模型设计.doc
- 主成分分析和因子分析.pptx
- 共享笔记服务系统论文.doc
- 基于数据治理体系的数据中台实践分享.pptx
- 变压器的铭牌和额定值.pptx
- 计算机网络课程设计报告--用winsock设计Ping应用程序.doc
- 高电压技术课件:第03章 液体和固体介质的电气特性.pdf
- Oracle商务智能精华介绍.pptx
- 基于单片机的输液滴速控制系统设计文档.doc
- dw考试题 5套.pdf
- 学生档案管理系统详细设计说明书.doc
- 操作系统PPT课件.pptx
- 智慧路边停车管理系统方案.pptx
- 【企业内控系列】企业内部控制之人力资源管理控制(17页).doc
- 温度传感器分类与特点.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0